Recent Advances in Label Distribution Learning
标记分布学习的最新进展
标记分布学习 (Label Distribution Learning, LDL) 引入了标记分布来描述单个实例的标记信息，能够有效处理标记模糊和多标记学习问题，作为一种新兴学习范式在各个领域有着广泛的应用。标记分布定义了各个标记对于示例的描述度，使得LDL特别适用于有标记不确定性或标记相关性的场景。同时，标记增强 (Label Enhancement, LE) 技术使得LDL能够应用于广泛存在的逻辑标记标注的数据，通过自动从逻辑标记恢复出标记分布，进一步扩展了LDL的应用范围。
为了推动LDL领域的最新研究与技术进展，MDPI联合 AI、Computers、Electronics、Information、Machine Learning and Knowledge Extraction、Signals 期刊，邀请耿新教授、蒋良孝教授和徐宁副教授创建了Topic“标记分布学习的最新进展”。该专题涵盖但不限于以下内容：
标记分布学习理论；
面向标记分布学习的标记增强方法；
基于深度学习的标记分布学习方法；
标记分布学习应用；
面向弱监督数据的标记分布学习方法。
了解更多专题信息：https://www.mdpi.com/topics/81414V62ON
# 专题关键词 #
标记分布学习；标记增强；标记分布学习理论；深度标记分布学习；标记分布学习应用
学术编辑团队
耿新 教授
东南大学
研究领域：机器学习；模式识别；计算机视觉
徐宁 副教授
东南大学
研究领域：机器学习；数据挖掘
蒋良孝 教授
中国地质大学 (武汉)
研究领域：数据挖掘算法；机器学习
期刊介绍
AI 期刊介绍：https://www.mdpi.com/journal/ai
主编：Kenji Suzuki, Tokyo Institute of Technology, Japan
旨在为涉及人工智能的任何领域提供实质性的新见解。期刊鼓励科学家和工程师们尽可能详细地发表他们的实验和理论研究。目前期刊已被Scopus和ESCI (Web of Science) 等权威数据库收录。
Computers 期刊介绍：https://www.mdpi.com/journal/computers
主编：Paolo Bellavista, University of Bologna, Italy
期刊主题涵盖计算机科学，包括计算机/网络体系结构、人机交互等。目前期刊已被Scopus和ESCI (Web of Science) 等权威数据库收录。
Electronics 期刊介绍：https://www.mdpi.com/journal/electronics
主编：Flavio Canavero, Polytechnic University of Turin, Italy
期刊涵盖的研究领域包括但不限于：电子材料、微电子学、光电子学、工业电子、电力电子、生物电子、微波和无线通信、计算机科学与工程、系统与控制工程、电路和信号处理、半导体器件、人工智能、电动和自动驾驶汽车、量子电子等。期刊致力于快速发表与广泛电子领域相关的最新技术突破以及前沿发展。
Information 期刊介绍：https://www.mdpi.com/journal/information
主编：Willy Susilo, University of Wollongong, Australia
期刊主要发表关于信息科学和技术、数据、知识和通信的研究，内容涵盖信息理论与方法论、信息智能、信息处理、信息应用、信息和通信技术等方面。目前已被 Scopus、Ei Compendex、ESCI (Web of Science) 等数据库收录。
MAKE 期刊介绍：https://www.mdpi.com/journal/make
主编： Andreas Holzinger, University of Natural Resources and Life Sciences, Austria
期刊涵盖机器学习方法及其应用，从数据预处理到结果可视化的整个机器学习和知识获取与发现的流程，重点关注隐私、数据保护、安全性、数据挖掘、自然语言、神经网络和熵等。
Signals 期刊介绍：https://www.mdpi.com/journal/signals
主编：Santiago Marco, University of Barcelona, Spain; The Barcelona Institute of Science and Technology, Spain
期刊专注于信号工程及其应用的最新研究进展。期刊主题包括但不限于：信号处理的理论、算法和方法、统计信号处理、频谱分析、生物医学应用方面的信号处理等。
如有任何与本专题有关的问题，请联系：topics@mdpi.com
MDPI Topics
MDPI专题 (MDPI Topics) 以多学科研究为背景，联合两个或多个MDPI相关期刊，为来自不同学科领域的学者创造一个探索、交流、碰撞最新成果的平台。每个专题都由相关学科的优秀学者作为专家团队联合管理和策划，同时还享受便捷高效的MDPI出版服务支持。作者可以向任一参与某专题的MDPI期刊投稿，最终发表的文章都将在该专题主页上集合展示。了解更多MDPI专题信息，欢迎访问：https://www.mdpi.com/topics
转载本文请联系原作者获取授权，同时请注明本文来自MDPI开放科学科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1474205.html?mobile=1
收藏
